Resumen

La mayoría de los análisis de supervivencia se basan en tiempos de falla exactos y observaciones censuradas a la derecha, utilizándose métodos ampliamente difundidos como el método de Kaplan-Meier (KM). Cuando los datos presentan censura a intervalo es necesario utilizar el método de Turnbull para estimar la función de supervivencia, sin embargo en la práctica se usa con frecuencia la imputación del tiempo de falla en este tipo de censura a través del punto medio del intervalo (PM), el extremo derecho del intervalo (ED) o generando un punto aleatorio dentro del mismo a través de la distribución uniforme. Este trabajo estudia a través de simulación el efecto de los tres tipos de imputación sobre la estimación de la curva de supervivencia en comparación al método desarrollado por Turnbull. Se analizaron diferentes escenarios de simulación basados en el tamaño de muestra y el tiempo entre visitas. En todos los escenarios de simulación las funciones estimadas usando imputación de datos difieren significativamente de la verdadera función de supervivencia S(t).

1. INTRODUCCIÓN

El análisis de supervivencia es un conjunto de procedimientos estadísticos para el análisis de datos en los que la variable de resultado es el tiempo hasta que ocurre un evento de interés. La función de supervivencia es quizás la función más importante en los estudios de medicina y salud. Como es usual en el análisis de datos de supervivencia, es de interés estimar la función de supervivencia S(t) y evaluar la importancia de factores potenciales de pronóstico o características individuales, sobre este tiempo de supervivencia.

La gran cantidad de estudios epidemiológicos realizados en enfermedades como el cáncer, entre muchas otras, y la cantidad de estudios longitudinales con desenlaces que involucran el tiempo, demuestran la importancia del análisis de supervivencia. Alternativamente al desenlace de supervivencia o tiempo hasta la muerte, el tiempo puede hacer referencia al momento en que una persona presenta cualquier otro evento. Si el evento se presenta en todos los individuos, se podrían aplicar muchos métodos. Sin embargo, lo habitual es que al final del seguimiento, algunas de las personas no han desarrollado el evento de interés, por lo que el verdadero tiempo trascurrido hasta el evento es desconocido. Además, los datos de supervivencia rara vez se distribuyen de forma “normal”, y se componen generalmente de muchos eventos al inicio del seguimiento y los eventos tardíos son relativamente pocos. Estas características de los datos son las que hacen que sea necesario un método especial como el análisis de supervivencia.

• Materias:Análisis numérico Análisis de datos Métodos de simulación
• Subjects:Numerical analysis data analysis Simulation methods
• Palabras claves:Análisis de Supervivencia; Censura de Intervalo; Imputación de Datos
• Keywords:Survival Analysis; Interval Censoring; Data Imputation